memsearch GitHub 추천: AI 코딩 에이전트 메모리를 Codex와 Claude Code에 붙이기
Markdown 원본 기억과 Milvus 검색 인덱스로 끊긴 작업 맥락을 다시 찾는 방법
Codex와 Claude Code 사이에서 끊기는 작업 기억
memsearch는 Codex CLI와 Claude Code 같은 AI 코딩 에이전트가 프로젝트별 작업 맥락을 Markdown으로 남기고 Milvus 인덱스로 다시 찾게 하는 오픈소스 도구입니다. 설치 판단은 기억이 어디에 저장되는지, hook이 무엇을 실행하는지, 검색 인덱스가 어디에 놓이는지부터 보면 됩니다.
Codex CLI로 버그를 고치다가 Claude Code로 리팩터링을 넘기면, 앞에서 내린 판단과 실패한 명령을 다시 설명하게 됩니다. memsearch GitHub AI 코딩 에이전트 메모리는 그 반복을 줄이려고 프로젝트 폴더의 Markdown memory와 Milvus shadow index를 붙이는 도구입니다.
2026-06-18 기준 공식 저장소는 zilliztech/memsearch입니다. README는 Claude Code, Codex CLI, OpenClaw, OpenCode를 같은 기억 흐름 안에 둡니다. 한국 사용자 입장에서는 agent memory라는 말보다, Codex에서 남긴 결정과 명령을 Claude Code에서 다시 찾을 수 있는지가 더 실용적인 질문입니다.
설치 화면보다 먼저 확인할 곳은 프로젝트 안의 memsearch memory 폴더와 날짜별 Markdown 파일입니다. 여기에 사람이 읽을 수 있는 기록이 남고, Milvus가 그 파일을 찾기 위한 재생성 가능한 색인으로 붙습니다. 이 구조를 알고 보면 memsearch는 자동 동기화보다 작업 로그를 읽을 수 있게 남기고 검색 가능하게 만드는 도구에 가깝습니다.
이미지 설명: 책상 위 노트북에 Codex CLI 터미널, Claude Code 패널, .memsearch/memory/YYYY-MM-DD.md 파일, Milvus 검색 결과가 나란히 보이는 작업 장면
2026년 6월에 다시 볼 만한 이유
2026-06-15 v0.4.8 릴리스와 2026-06-16 transcript drill-down 커밋이 이 주제를 다시 보게 만든 출발점입니다. 2026-06-18 조사 시점에는 v0.4.10 릴리스와 2026-06-18 watcher unit test 커밋도 확인되므로, v0.4.8을 최신 릴리스로 적으면 날짜가 어긋납니다.
2026-06-15 v0.4.8 릴리스에는 memory-to-skill 기능 추가와 관련 수정이 들어갔습니다. 2026-06-16 커밋 3c21155는 Codex, Claude Code, OpenClaw, OpenCode의 transcript drill-down 지침을 플랫폼별 기록 방식에 맞게 고쳤습니다.
버전 표기는 조금 조심해야 합니다. 이 글을 정리한 2026-06-18 기준으로는 GitHub Releases와 PyPI 쪽 최신 신호가 v0.4.10입니다. 같은 날 main 브랜치에는 markdown watcher event handling, debounce behavior, FileWatcher lifecycle의 unit test를 추가한 커밋도 올라왔습니다. 설치를 따라 하기 전에는 로컬 memsearch 버전과 Codex CLI 버전을 같이 맞춰 두는 편이 낫습니다.
그래서 v0.4.8은 이 주제를 다시 보게 만든 계기, v0.4.10은 설치 직전에 확인해야 할 현재값으로 나눠 봅니다. 하루 이틀 사이에도 설치 명령, 문서 위치, 플러그인 동작 설명이 바뀔 수 있는 저장소이기 때문입니다.
memsearch가 저장하는 것과 검색하는 것
memsearch의 원본 기억은 Markdown 파일이고, Milvus는 그 내용을 검색하기 위한 shadow index입니다. dense vector, BM25 sparse search, RRF reranking, search-expand-transcript 흐름을 쓰지만 지원 범위는 Markdown memory와 검색 index에 묶여 있습니다.
memsearch를 볼 때는 원본 파일과 검색 색인을 같은 것으로 취급하지 않는 편이 좋습니다.
| 구성 | 역할 | 확인할 지점 |
|---|---|---|
| Markdown memory | 사람이 읽고 고칠 수 있는 원본 기억 | 프로젝트 안의 날짜별 memory 파일 |
| Milvus Lite | 개인 실험용 로컬 검색 인덱스 | 사용자 홈 아래의 로컬 Milvus DB |
| embedding provider | Markdown을 검색 가능한 벡터로 변환 | 기본 onnx, 필요 시 OpenAI/Ollama 등 |
| memory-recall | 에이전트 안에서 이전 맥락을 불러오는 skill | Codex 또는 Claude Code 플러그인 설치 후 확인 |
memsearch GitHub AI 코딩 에이전트 메모리에서 대화와 작업 요약은 Markdown으로 남고, Milvus는 검색용 파생물로 붙습니다. 검색 결과가 이상하면 원본 파일을 열어 보고, 필요할 때 색인을 다시 만드는 식으로 문제를 나눠 볼 수 있습니다.
이 구분을 놓치면 완전한 장기 기억 비서처럼 기대하기 쉽습니다. 실제 사용감은 대화 캡처, 요약, 검색, transcript 확장 단계가 잘 맞물리는지에 달려 있습니다. 처음에는 민감하지 않은 개인 프로젝트에서 짧은 작업을 남기고, 검색 결과가 그때의 맥락까지 되돌려 주는지 보는 정도가 현실적입니다.
이미지 설명: .memsearch/memory 폴더의 Markdown 파일, ~/.memsearch/milvus.db, Codex memory-recall, Claude Code /memory-recall 흐름을 선으로 연결한 단순한 구조도
Codex CLI 설치와 작은 첫 테스트
Codex CLI에서는 Python 3.10 이상과 Codex CLI v0.116.0 이상을 맞춘 뒤 `memsearch[onnx]`와 Codex 플러그인 설치 스크립트를 붙입니다. 첫 테스트는 짧은 Codex 세션, memsearch memory 폴더의 날짜별 Markdown, memory-recall 결과 순서로 보면 됩니다.
Codex CLI 쪽은 설치 명령보다 바뀌는 파일을 알아두는 게 덜 헷갈립니다. 공식 설치 흐름은 `uv tool install "memsearch[onnx]"`로 ONNX 포함 패키지를 넣고, 저장소를 clone한 뒤 Codex 플러그인 설치 스크립트를 실행하는 순서입니다. 실행 후 agents skills 폴더에 memory-recall skill이 복사되고, Codex hooks와 config 설정이 바뀝니다.
성공 메시지가 떠도 실제 작업 흐름에 붙었는지는 파일로 확인해야 합니다. Codex hooks 설정에 memsearch hook이 들어갔는지, Codex config에서 hooks가 켜졌는지, 프로젝트에 memsearch memory 폴더가 생겼는지 보는 정도면 첫 검증으로 충분합니다.
첫 실행 안내에 `codex --dangerously-bypass-approvals-and-sandbox`가 등장하므로 권한 검토가 필요합니다. 공식 문서는 첫 실행에서 ONNX 모델 다운로드와 shell hook 실행이 필요하다고 설명합니다. 생성된 Markdown에는 경로, 명령, 작업 판단이 남을 수 있으니 민감한 회사 저장소보다 새 테스트 저장소에서 10분짜리 작업을 남겨 보는 쪽이 안전합니다.
Claude Code 쪽 검증은 더 짧게 끝난다
Claude Code에서는 `/plugin marketplace add zilliztech/memsearch`와 `/plugin install memsearch`를 실행한 뒤 재시작합니다. 설치 뒤에는 일반 대화 하나를 남기고 오늘 날짜 Markdown 파일과 `/memory-recall` 결과를 보면 됩니다.
Claude Code 쪽은 Codex보다 사용자가 직접 만지는 파일이 적습니다. 공식 플러그인 README는 Claude Code 안에서 marketplace를 추가하고 memsearch 플러그인을 설치한 뒤 재시작하는 방식을 안내합니다.
문서상 구조는 로컬 shell hook, memory-recall skill, memsearch CLI에 가깝습니다. 별도 sidecar 서버를 띄운다고 이해하기보다, 로컬 hook과 CLI가 언제 실행되는지 확인하는 쪽이 맞습니다. 어떤 텍스트가 memsearch memory 폴더에 남는지도 열어 봐야 합니다.
Codex와 Claude Code를 함께 쓴다면 같은 프로젝트 폴더에서 짧은 작업 하나만 남겨도 충분합니다. 예를 들어 Claude Code에서 "배포 스크립트의 실패 원인을 조사했다"는 대화를 남긴 뒤 Codex 쪽에서 memory-recall로 같은 주제를 찾아봅니다. 그 결과가 돌아와야 memsearch GitHub AI 코딩 에이전트 메모리를 계속 테스트할 이유가 생깁니다.
Milvus Lite로 시작해도 되는 경우
개인 실험은 기본 Milvus Lite와 로컬 ONNX embedding으로 시작해도 됩니다. 팀 사용, 동시 접근, 원격 인덱스 관리가 필요해지는 순간에는 remote Milvus 또는 Zilliz Cloud 설정을 따로 봐야 합니다.
개인 프로젝트라면 로컬 ONNX embedding과 Milvus Lite 조합으로 시작해도 부담이 작습니다. API 키 없이 시작할 수 있고, 문제가 생겨도 memsearch memory 폴더의 Markdown 원본과 로컬 Milvus DB를 분리해서 확인할 수 있습니다.
운영할 때는 Markdown 원본, Milvus Lite의 로컬 DB, 전역 config와 프로젝트 config처럼 provider와 backend를 정하는 설정을 같이 봅니다. 팀이 같은 메모리 검색을 공유하거나 여러 프로세스가 동시에 색인해야 한다면 Milvus Lite만으로 판단하기 어렵습니다. 설정 문서에는 Milvus URI와 token으로 원격 Milvus 또는 Zilliz Cloud로 옮기는 경로가 있습니다.
검색 결과가 비어 있으면 `memsearch stats`, 짧은 `memsearch search`, 필요 시 memory 폴더 재색인을 확인합니다. provider를 바꾼 뒤에는 예전 Milvus index가 새 embedding과 섞이지 않도록 재색인 여부를 따로 기록해 두는 편이 좋습니다.
잘 맞는 독자와 같이 쓸 도구
장기 개발 프로젝트에서 Codex CLI와 Claude Code를 번갈아 쓰며 디버깅 경로, 설정값, 배포 절차를 다시 찾아야 하는 개인 개발자에게 맞습니다. OpenAI Codex CLI, Claude Code, Milvus Lite, Git, Ollama와 함께 쓰는 흐름이 자연스럽습니다.
memsearch GitHub AI 코딩 에이전트 메모리는 일반 노트 앱보다 AI 개발 워크플로 도구에 가깝습니다. 매일 같은 프로젝트에서 에이전트를 바꿔 가며 쓰고, 이전 대화에서 나온 의사결정이나 실패 원인을 다시 묻는 사람에게 맞습니다.
어울리는 범위는 개인 개발 자동화, RAG 프로토타이핑, AI agent memory 실험, 장기 디버깅 프로젝트, 배포 절차가 자주 바뀌는 사이드 프로젝트입니다. 이번 확인 범위에는 한국어 공식 문서나 국내 커뮤니티 사용량 데이터가 없었습니다. 한국 독자에게 이 저장소가 의미 있는 이유는 Codex CLI와 Claude Code를 함께 쓰는 개인 개발자의 반복 설명 비용입니다.
Git과의 조합은 단순합니다. 원본 기억이 Markdown이라 변경 이력을 남기기 쉽습니다. 대신 memsearch memory 폴더에 경로, 명령, 이슈 이름, 내부 의사결정이 남을 가능성이 있으니 공개 저장소에 그대로 올리는 방식은 피해야 합니다.
도입 전 보류해야 할 조건
민감 저장소에서는 full-access와 shell hook을 바로 켜지 않는 편이 안전합니다. 프로젝트 대화, 명령, 경로가 Markdown으로 남으면 안 되는 환경이거나 agent workflow를 거의 쓰지 않는다면 memsearch 도입을 늦춰도 됩니다.
memsearch의 리스크는 기능 목록보다 실행 위치에서 커집니다. AI 코딩 에이전트가 보는 코드, 명령, 대화 흐름 근처에 붙기 때문입니다. 보안 검토 없이 hook을 켜면 민감한 작업 맥락이 예상보다 쉽게 파일로 남습니다.
도입 전에는 Codex hook 설정에 추가되는 항목, Claude Code 플러그인 hook의 실행 범위, memsearch memory 폴더에 실제로 남는 텍스트를 열어 봅니다. API key가 필요한 embedding provider로 바꿀 경우 `OPENAI_API_KEY` 같은 환경변수 노출도 함께 봐야 합니다.
생성되는 파일과 hook을 읽고 설명할 수 없다면, memsearch는 테스트 저장소에만 묶어 두는 편이 낫습니다. 이 도구는 나중에 다시 검토할 작업 기억 로그와 검색 인덱스를 만드는 쪽에 가깝습니다.
자주 묻는 질문
Q. memsearch는 Codex CLI에서 어떻게 동작하나?
A. Codex CLI에서는 설치 스크립트가 memory-recall skill과 hook 설정을 추가합니다. Codex 세션에서 나온 작업 맥락은 프로젝트의 Markdown memory로 남고, memsearch가 그 파일을 Milvus index로 검색합니다. 설치 뒤에는 Codex hook 설정, Codex config, memsearch memory 폴더를 직접 열어 봅니다.
Q. Claude Code와 Codex의 작업 기억을 공유하려면 무엇이 필요한가?
A. 같은 프로젝트에서 memsearch 플러그인 또는 Codex hook이 같은 Markdown memory와 index를 바라봐야 합니다. Claude Code는 `/plugin marketplace add zilliztech/memsearch`와 `/plugin install memsearch`를 쓰고, Codex는 `memsearch[onnx]` 설치와 Codex 플러그인 install script를 사용합니다. 첫 검증은 한쪽 에이전트에서 남긴 대화를 다른 쪽의 memory-recall로 찾아보는 방식이 가장 짧습니다.
Q. Milvus 없이도 같은 방식으로 쓸 수 있나?
A. 공식 구조에서 Markdown은 원본 기억이고 Milvus는 검색용 shadow index입니다. 기본 backend는 Milvus Lite라 개인 실험에서는 별도 서버가 필요 없습니다. Milvus 계열 index 없이 같은 검색 품질을 낸다는 근거는 확인하지 못했습니다. 팀 사용이나 동시 접근이 필요하면 remote Milvus 또는 Zilliz Cloud 설정을 봐야 합니다.
Q. Codex 첫 실행에서 full-access 안내가 나오는 이유는 무엇인가?
A. 공식 Codex 설치 문서는 첫 실행에서 ONNX 모델 다운로드와 hook 실행이 필요하다고 설명합니다. 그래서 `codex --dangerously-bypass-approvals-and-sandbox` 같은 플래그가 안내됩니다. 민감한 저장소에서 바로 실행하기보다 테스트 저장소에서 hook 내용과 생성되는 Markdown memory를 먼저 봅니다.
Q. memory-to-skill은 대화 검색과 무엇이 다른가?
A. 대화 검색은 과거 맥락을 찾아오는 기능에 가깝고, memory-to-skill은 반복되는 workflow를 재사용 가능한 agent skill 후보로 distill하는 방향입니다. v0.4.8 릴리스에서 이 기능이 주요 변경으로 잡혔지만, 배경 distillation이 기본으로 켜져 있다고 보면 안 됩니다. 설정과 플랫폼별 지원 상태를 따로 검증해야 합니다.
Q. 어떤 사용자는 memsearch GitHub AI 코딩 에이전트 메모리를 건너뛰는 편이 나은가?
A. Codex CLI, Claude Code, OpenCode, OpenClaw 같은 agent workflow를 거의 쓰지 않는다면 이득이 작습니다. 회사 정책상 대화와 명령이 로컬 Markdown 파일로 남으면 안 되는 환경도 맞지 않습니다. hook 실행, 모델 다운로드, API key 관리, Milvus index 운영을 살필 시간이 없다면 나중에 보는 편이 낫습니다.
함께 읽으면 좋은 글
- MCP Go SDK GitHub 추천: Go 백엔드에 AI 에이전트 도구 연결하기 — GITHUB 추천
- Wegent GitHub 추천: AI 에이전트 팀을 구성하는 오픈소스 워크스페이스 — GITHUB 추천
- NVIDIA SkillSpector GitHub 추천: AI 에이전트 스킬 설치 전 보안 점검하기 — GITHUB 추천
- vm0 GitHub 추천: AI 코딩 에이전트용 샌드박스와 러너를 직접 살펴보기 — GITHUB 추천
참조 링크
- GitHub - zilliztech/memsearch — 공식 저장소, README, owner/repo, 라이선스, 플랫폼 지원 확인
- memsearch README — Markdown memory, Milvus shadow index, progressive retrieval 구조 확인
- memsearch v0.4.10 release — 2026-06-18 조사 시점 최신 릴리스 신호 확인
- memsearch v0.4.8 release — 2026-06-15 트렌드 트리거와 memory-to-skill 변경 확인
- Commit 3c21155 — 2026-06-16 플랫폼별 transcript drill-down 개선 근거
- Commit 12c2a7e — 2026-06-18 watcher unit test 추가와 최근 저장소 활동 확인
- memsearch Codex CLI Plugin docs — Codex CLI 설치, 요구 버전, hooks.json/config.toml 변경, full-access 안내 확인
- memsearch Claude Code Plugin README — Claude Code 플러그인 설치와 shell hook, memory-recall 구조 확인
- memsearch configuration docs — embedding provider, Milvus backend, 설정 우선순위, 원격 Milvus 전환 확인
- memsearch PyPI package — 패키지 버전과 Python 요구 버전 확인
- zilliztech/memsearch GitHub API repository metadata — 2026-06-18 조사 시점 star, fork, open issue, pushed_at 같은 변동값 확인